Deze valkuilen moet je overwinnen om data-driven te worden: inzichten van Jeremy Bonnevalle, CEO bij Devoteam G Cloud Benelux

In een interview met CEO, Jeremy Bonnevalle, bespreken we enkele van de grootste risico’s en voordelen van datagestuurde besluitvorming en hoe bedrijven zich het beste kunnen voorbereiden op succes.

Naarmate het zakelijke landschap steeds competitiever wordt, wenden steeds meer bedrijven zich tot datagestuurde besluitvorming en datagestuurde klantervaringen om voorop te blijven lopen. Datagedreven worden is echter niet zonder uitdagingen en zou geen doel op zich moeten zijn. In een interview met de CEO van Devoteam G Cloud Benelux, Jeremy Bonnevalle, bespreken we enkele van de grootste risico’s en voordelen van datagestuurde besluitvorming en hoe bedrijven zich het beste kunnen voorbereiden op succes.

Wat zijn enkele van de belangrijkste voordelen die bedrijven kunnen verwachten door datagedreven te worden?

Datagestuurde besluitvorming biedt inzichten die kunnen worden benut in meerdere gezichtspunten:

• Ten eerste geeft het inzicht in de financiële prestaties van een bedrijf. Het helpt elke directeur te begrijpen welke afdelingen goed presteren en welke niet. Het geeft een duidelijk beeld van waar je als eerste actie moet ondernemen.
• Ten tweede kunnen bedrijven, door gegevens te gebruiken om de bedrijfsvoering te verbeteren, hun operationele uitmuntendheid vergroten, met name in sectoren als de detailhandel en de productie, waar de voorraad- en personeelsplanning kan worden verbeterd.
• Bovendien kunnen gegevens worden gebruikt om de klantervaring via meerdere kanalen te verbeteren, wat uiteindelijk leidt tot hogere inkomsten.

Wat zijn enkele van de grootste risico’s of uitdagingen waarmee bedrijven te maken kunnen krijgen als ze proberen meer datagestuurd te worden, en hoe kunnen deze worden overwonnen?

Een van de grootste risico’s is dat je te verstrikt raakt in het bouwen van de basis: het bouwen van de infrastructuur voor het verzamelen van data en het transformeren van data (ETL). Dit resulteert in het besteden van te veel tijd aan de gegevens in plaats van te focussen op bedrijfsresultaten.

De oplossing hiervoor is het maken van een incrementele roadmap. “Ten eerste raad ik elk bedrijf aan om te beginnen met het definiëren van use-cases die nauw verband houden met de bedrijfsstrategie, en prioriteit te geven aan data-opname en transformaties voor die specifieke use-cases.”

“Ten tweede hebben onze Cloud & Data experts G Cloud Accelerators gebouwd, zoals Cloud foundations of Data Foundations. Beide kunnen klanten die nog geen gebruik maken van Google Cloud helpen om hun onboardingproces te versnellen, ongeveer zes keer sneller dan wanneer ze alles vanaf nul moeten opzetten.”

Hoe kunnen bedrijven ervoor zorgen dat hun gegevens nauwkeurig, betrouwbaar en van hoge kwaliteit zijn?

Ervoor zorgen dat gegevens nauwkeurig, betrouwbaar en van hoge kwaliteit zijn, is een kritieke taak voor bedrijven. Een manier om dit te bereiken is door een data governance board te creëren om te definiëren en te verfijnen hoe hun data en metadata beheerd, beschermd, op kwaliteit gecontroleerd en gecatalogiseerd moeten worden. Dit zorgt ervoor dat iedereen een globaal beeld heeft van de data-assets en dat het consistent wordt beheerd door verschillende analyseteams en afdelingen.

Binnen deze data governance board stellen we altijd data stewards aan. Dit zijn de verantwoordelijken binnen het bedrijf voor het beheer van de gegevenslevenscyclus. Datastewards, die zelf zakelijke gebruikers zijn, begrijpen hun collega’s en hun eigen databehoeften het beste en geven advies over best practices voor databeheer. Zij moeten verantwoordelijk zijn om ervoor te zorgen dat de gegevens op de juiste manier worden opgeslagen, verwerkt en gebruikt, in plaats van uitsluitend te vertrouwen op IT-afdelingen.

Daarnaast moeten data-eigenaren en datastewards een reeks kwaliteitscontroles op die data definiëren en implementeren. Een invalshoek is om met behulp van dgt-testen binnen het datamodelraamwerk naast de metadata ook kwaliteitscontroles te ontwikkelen. Dit zorgt voor een consistente en geïntegreerde aanpak van datakwaliteitsmanagement en het visualiseren van de kwaliteitscontroles. De resultaten van deze controles kunnen naar BigQuery worden gepusht, zodat gebruikers waarschuwingen kunnen configureren of rapporten kunnen plannen voor een meer proactieve benadering van gegevenskwaliteitsbeheer.

Hoe kunnen bedrijven data gebruiken om de klantervaring te verbeteren, en wat zijn enkele voorbeelden van bedrijven die dit met succes hebben gedaan?

Om data effectief te gebruiken, moeten bedrijven eerst het klanttraject definiëren en hoe data kunnen worden gebruikt om deze te verbeteren. Hier zijn enkele van de bedrijven waarmee we hebben samengewerkt:

• Koninklijke Belgische voetbalbond: we hielpen de Koninklijke Belgische Voetbalbond op haar reis om een datagedreven organisatie te worden en een echt 360°-beeld van haar data te hebben om hypergepersonaliseerde diensten te leveren via alle digitale kanalen.
• Toyota Motor Europe, een internationale fabrikant: Ondersteuning van Toyota Motor Europe bij het ontwerpen en bouwen van een EMEA-breed marketingdatameer dat hun marketinggegevens opneemt en verenigt in BigQuery. Verschillende ML-modellen gebouwd, zoals churn-voorspelling en een personaclustering op basis van gedrag.
• Carrefour, een internationale supermarktketen: Migratie van het Data Warehouse voor de Belgische entiteit om betere klantinzichten te verkrijgen. Dit gebeurde via Flycs, onze eigen oplossing. Daarnaast hebben we Carrefour Belgium geholpen hun lokale datacenter leeg te maken door al hun on-premise workloads naar Google Cloud te migreren.

Wat zijn enkele best practices die bedrijven moeten volgen bij het implementeren van een datagestuurde strategie, en wat zijn enkele veelvoorkomende fouten die moeten worden vermeden?

Bij Devoteam G Cloud hebben we veel dataprojecten afgerond. In de loop der jaren hebben we deze veelvoorkomende valkuilen bij onze klanten gezien:

• overfocus op het verzamelen en structureren van gegevens
• te veel tijd besteden aan gegevensopname
• Het verwaarlozen van de (potentiële) bedrijfsresultaten en hoe de projecten bijdragen aan de bedrijfsdoelstellingen en kernresultaten.

Bij het implementeren van een datagestuurde strategie moeten bedrijven ook rekening houden met verandermanagement om de succesvolle acceptatie van de nieuwe aanpak te garanderen. Veranderingsbeheer omvat een gestructureerd proces en een reeks hulpmiddelen om de mensenkant van verandering te leiden en de gewenste resultaten te bereiken. Aan het begin van het proces is het cruciaal om zakelijke besluitvormers te betrekken om de datastrategie af te stemmen op de algemene bedrijfsstrategie. Bovendien moeten gegevens gemakkelijk toegankelijk zijn voor werknemers om effectief gebruik te stimuleren.

Om change management succesvol te laten zijn, moeten bedrijven een methodologie gebruiken die rekening houdt met verschillende gebruikersgroepen, teams, afdelingen en lagen van het bedrijf. In ons geval raden we altijd een change management methodiek op maat aan die is verbeterd met de Prosci-methodiek.

Welke rol zien jullie AI en machine learning spelen in de toekomst van datagedreven besluitvorming, en hoe kunnen bedrijven zich daarop voorbereiden?

AI en machine learning zullen van cruciaal belang zijn om trends te identificeren en aanbevelingen te doen op basis van gegevens uit het verleden of gegevens van derden. Vandaag zouden bedrijven zich moeten richten op het creëren van een dataplatform om in een later stadium het gebruik van AI en machine learning mogelijk te maken.

Hoe ziet u het zakelijke landschap de komende 10 jaar evolueren en hoe kunnen bedrijven data gebruiken om voorop te blijven lopen?

Zeer recent werden alle bedrijven en consumenten opgeschrikt door de komst van prescriptieve AI zoals Chat GPT en de aankondiging van Google’s Bard.

Over 10 jaar zullen AI en automatisering een steeds belangrijkere rol gaan spelen in het bedrijfsleven. Om voorop te blijven, moeten bedrijven vandaag beginnen met het effectief verzamelen en structureren van de gegevens om het potentieel te ontsluiten om nieuwe use-cases in te zetten door middel van prescriptieve AI of automatisering. Uiteindelijk zullen degenen die data effectief gebruiken een concurrentievoordeel hebben en in de komende jaren bedrijfswaarde toevoegen.